DeepSeek, la société chinoise sensationnelle spécialisée dans l'IA, revendique une marge bénéficiaire « théorique » de 545 %

DeepSeek, une start-up chinoise spécialisée dans l'IA, a partagé samedi des indicateurs financiers clés, offrant ainsi l'un des rares aperçus de l'économie du secteur de l'IA.

La société a annoncé via X que ses modèles V3 et R1 ont atteint une marge bénéficiaire théorique de 545 % sur 24 heures le dernier jour de février.

Deepseek a précisé sur GitHub que les informations partagées n'étaient pas concluantes. L'entreprise a indiqué que le profit réel était bien inférieur à la marge théorique.

La société spécialisée en intelligence artificielle a déclaré que cette différence s'explique par divers facteurs, notamment le fait que seul un petit nombre de ses services sont monétisés et qu'elle propose des réductions pendant les heures creuses.

De plus, les estimations de coûts présentées ici n'incluent pas les coûts considérables de R&D et de calcul liés à l'entraînement et à l'optimisation de ses modèles d'IA propriétaires. Par conséquent, même si les marges bénéficiaires nettes semblent très élevées dans les chiffres présentés, elles ne reflètent pas la réalité économique d'une grande entreprise spécialisée en IA.

Les profits alléchants de DeepSeek sont en grande partie théoriques

Bien que les marges bénéficiaires alléchantes évoquées par DeepSeek soient principalement théoriques, cette annonce intervient à un moment charnière, alors que les investisseurs technologiques examinent de près la viabilité financière des startups spécialisées dans l'IA et leurs modèles économiques.

Les investisseurs s'intéressent plus que jamais à la capacité des entreprises spécialisées en IA à établir des flux de revenus durables malgré des coûts d'infrastructure élevés, une concurrence féroce et une réglementation en constante évolution.

La révélation de DeepSeek, assortie de certaines réserves, alimente le débat sur une question plus vaste : les entreprises d’IA peuvent-elles passer d’entreprises axées sur la recherche à des entreprises rentables ? À mesure que le secteur se développe, de telles révélations pourraient apporter un éclairage précieux sur l’économie de l’IA et sur les différentes stratégies de monétisation susceptibles de s’avérer viables dans un secteur où les innovations majeures nécessitent souvent des investissements financiers considérables.

Cependant, les préoccupations liées à la protection de la vie privée et à la politique pourraient bientôt freiner l'engouement autour de DeepSeek. Si le fiasco de TikTok aux États-Unis reflète l'attitude des législateurs envers les applications chinoises, DeepSeek risque de ne pas faire long feu sur le marché américain.

Les entreprises spécialisées en IA mènent plusieurs essais de modèles de revenus

Les entreprises spécialisées en IA testent différents modèles de revenus. D' OpenAI Inc. à Anthropic PBC, elles rivalisent d'ingéniosité pour transformer leurs innovations en activités rentables.

Ces approches comprennent des formules d'abonnement, des paiements à l'usage et des licences pour les entreprises clientes, qui rivalisent pour créer des produits d'IA toujours plus sophistiqués. Cependant, le coût élevé de la formation, du déploiement et de la maintenance de ces modèles d'IA à grande échelle suscite des inquiétudes croissantes chez les investisseurs.

Des doutes planent sur la viabilité de ces modèles économiques pour générer des profits constants et croissants, ce qui a ouvert un débat plus large sur la possibilité pour les entreprises d'IA de réaliser des bénéfices et/ou de devenir rentables à court terme.

L'une des stratégies mises en avant par DeepSeek pour réduire les coûts consiste à optimiser la puissance de calcul, notamment grâce à l'équilibrage de charge. Cette approche répartit le trafic entre les serveurs et les centres de données afin d'équilibrer la charge de travail et d'éviter les goulots d'étranglement, optimisant ainsi l'utilisation des ressources.

L'entreprise a également mis en avant ses innovations permettant aux modèles de traiter simultanément davantage de données, une amélioration susceptible d'optimiser les performances globales du système. DeepSeek a par ailleurs souligné ses travaux sur la gestion de la latence, c'est-à-dire le temps écoulé entre la requête d'un utilisateur et la réponse de l'IA, garantissant ainsi une expérience utilisateur fluide.